Esta seção é voltada especificamente para o estudo dos trabalhos relacionados ao modelo de avaliação da qualidade da energia elétrica dos consumidores, baseado em téc- nicas de clusterização. Como Mulliez et al. (2018) afirmou, isto possibilita que operadores da distribuição da energia concentrem-se em um ou mais grupos (clusters), ao invés do montante inteiro de consumidores, para analisar a qualidade da distribuição. A seguir são apresentados os principais trabalhos realizados na área.
A consulta realizada levantou duas grandes áreas em que a clusterização foi abor- dada, no contexto desta dissertação. A primeira, voltada à qualidade de energia, porém baseada em dados obtidos principalmente da operação técnica da rede de distribuição (su- bestações, medições de grandezas elétricas, carga e consumo, entre outros). A segunda, voltada à clusterização de consumidores para fins comerciais e análise de mercado. A seguir são sucintamente apresentados estes trabalhos, subdivididos nestas categorias.
2.2.1 Clusterização em qualidade de energia
Esta subseção terá maior ênfase por estar mais alinhada à finalidade deste estudo e apresentará os principais trabalhos relacionados à clusterização ou mineração de dados voltada à qualidade de energia.
Asheibi et al. (2004) abordou mineração de dados não supervisionada, utilizando dados de medições de grandezas elétricas (como tensão, corrente e harmônicas) em trans- formadores em diferentes localizações: regiões sumariamente residenciais, comerciais ou industriais. O trabalho de Overbye e Weber (2015), já citado anteriormente e ilustrado na Figura 2.8-A, clusterizou dados no intuito de identificar pontos fora do padrão (outliers) em relação à geradores de energia.
Kapoor et al. (2018) desenvolveram seu trabalho com o objetivo de propor um mé- todo para identificar problemas de qualidade de energia identificando padrões através de aprendizado supervisionado, com Support Vector Machine (SVM) e Histograma de Gra- dientes Orientado (Histogram of Oriented Gradients (HOG)), calculando perturbações na rede principalmente em relação à harmônicas.
Outro trabalho interessante e relacionado ao presente estudo, avalia a qualidade da energia inclusive com o impacto da geração distribuída, diferenciando quando a mesma está ativa, desligada ou ainda quando são notadas alterações na carga da rede (JASI ´NSKI; SIKORSKI; BORKOWSKI, 2019).
O trabalho de Mulliez et al. (2018) utiliza clusterização para avaliar a vida útil de transformadores de distribuição, utilizando dados como o seu carregamento com leituras horárias – dado que também será utilizado no nosso modelo. No caso do presente estudo, porém, serão utilizados dados de consumo dos últimos 12 meses para realizar os cálculos relativos a cada transformador.
Jasi´nski et al. (2016) estudaram a qualidade de energia com dados técnicos medi- dos em subestações, focando em distúrbios na rede, como: variação de frequência, alte-
rações ou flutuações de tensão e distorções harmônicas. Góes, Steiner e Peniche (2015) aplicaram técnicas de classificação em qualidade de energia, baseada em afundamentos de tensão, utilizando também outras técnicas de mineração de dados.
Neste contexto, muitos autores ainda utilizam técnicas de clusterização e redes neurais fuzzy, além de processamento de sinais. Podemos citar Duan et al. (2006), que combina qualidade de energia com o preço praticado, Seera et al. (2015) que propôs um modelo híbrido que utiliza rede neural fuzzy e árvore de clusterização, e Gargoom, Ertugrul e Soong (2005), que trabalharam com ferramentas de processamento de sinais para clusterização de eventos relacionados à qualidade da energia.
De fato, percebeu-se que a quantidade de trabalhos da área de clusterização na área elétrica em geral é relativamente grande, e este número é ainda maior caso o termo seja generalizado para mineração de dados. Para exemplificar, foram encontrados ainda estudos que focaram em geração distribuída (JUREEDI; ROSALINA; KUMAR, 2013), perdas de energia (GRIGORAS; CARTINA; ROTARU, 2010; GRIGORAS et al., 2011) e redes inteligentes (FLATH et al., 2012), entre outros que poderiam estender a variedade de aplicações. Contudo, foram citados aqui aqueles relacionados à qualidade.
2.2.2 Clusterização de consumidores
Visto que esta dissertação é voltada à análise da qualidade para o usuário final, de fato devem ser relacionados a este os dados que serão utilizados para realizar a clusteri- zação. Em função disto, é conveniente apresentar trabalhos relacionados à clusterização de consumidores, porém podendo não estar relacionado à qualidade da energia.
Clusterização de dados e outras técnicas de mineração têm sido utilizadas para identificação de padrões relacionados à fraudes e furtos de energia, conhecidos como perdas comerciais. Zubelli (2017) é um dos autores que utilizou clusterização voltada à esta finalidade.
Técnicas de classificação de consumidores estão sendo utilizadas em grande parte para análise de mercado e também para embasar estudos tarifários do serviço de dis- tribuição de energia. Grigoras e Bobric (2013) desenvolveram seu trabalho nesta área, utilizando dados como o consumo dos clientes.
Vale citar ainda que a própria ANEEL utiliza métodos de clusterização para reali- zar a regulação do setor elétrico, determinando limites similares para as distribuidoras que possuem características parecidas em relação às unidades consumidoras. Mais detalhes
podem ser encontrados em (BERNARDO, 2013) e (PESSANHA; SOUZA; LAUREN- CEL, 2007), que comentam sobre a evolução da qualidade do serviço de distribuição de energia no Brasil.
2.2.3 Visão geral
Como pôde ser visto, a análise de clusters é bastante utilizada pela comunidade para aprimorar as avaliações de qualidade de energia (JASI ´NSKI; SIKORSKI; BOR- KOWSKI, 2019). Fica claro também que foram encontrados trabalhos que utilizaram dados de componentes de distribuição de energia (como subestações e transformadores, com base em medições de grandezas elétricas e perturbações na rede) e dados de consu- midores (em grande parte, da área comercial). Porém, não foram identificados estudos que utilizaram simultaneamente ambos para a finalidade de análise da qualidade para o usuário final, a ponto de considerar, de fato, os dados das próprias unidades consumidoras. É este ramo que será explorado, procurando prospectar a possibilidade de obter agrupamentos adequados, resultando, caso positivo, em um um modelo de avaliação de qualidade da energia com uma abordagem centrada no consumidor final.
3 VISUALIZAÇÃO DA QUALIDADE DA DISTRIBUIÇÃO DE ENERGIA
Este capítulo apresenta a abordagem visual proposta pelo presente estudo. Inicia por uma breve introdução sobre redes de distribuição, na sequência a descrição dos re- quisitos do sistema e dos dados a serem visualizados, com posterior detalhamento das técnicas de visualização e funcionalidades implementadas. A clusterização será tratada no capítulo seguinte.